Question

在编程和python等方面，我是初学者。如果这是一个简单的问题，那么道歉。

但我有大文件，例如包含这样的行：

10000     7
20000     1
30000     2
60000     3

我想要的是一个包含“缺失”行的文件，如下所示：

10000     7
20000     1
30000     2
40000     0
50000     0
60000     3

由于我正在使用全基因组序列数据，因此文件相当大。第一列基本上是基因组中的位置，第二列是我在该10kb窗口内找到的SNP的数量。但是，我不认为这些信息甚至是相关的，我只想编写一个简单的python代码，它将使用if else语句将这些行添加到文件中。

因此，如果位置与前一行+ 10000的位置不匹配，则写入“缺失行”，否则写入正常出现的行。

我只是预见到一个问题，即连续几行缺失（如我的例子）。有没有人有这个简单问题的智能解决方案？

非常感谢！

Answer 1

我会按照以下方针建议一个程序。你跟踪你最后看到的基因组位置（我猜它会在开始时为0）。然后逐个读取输入文件中的行。对于每一个，您首先输出任何缺失的行（从先前的基因组位置+ 10kb，以10kb步长，到您读过的新行之前的10kb），然后输出您刚读过的行。

换句话说，你错过的一件小事是，当＆＃34;位置与前一行+ 10000＆＃34;的位置不匹配时，你应该有一个小循环来产生缺失输出，而不是只写出一行。（在您真正开始编写代码之前，以下注释可能没有意义：您实际上不需要测试位置是否匹配;如果您正确编写，您会发现当它与您的循环输出匹配时没有额外的行）

出于各种原因，这里通常的做法是不为你编写代码:-)，但我希望上面的内容有所帮助。

Answer 2

from collections import defaultdict

d = defaultdict(int)
with open('file1.txt') as infile:
    for l in infile:
        pos, count = l.split()
        d[int(pos)] = int(count)

with open('file2.txt') as outfile:
    for i in range(10000, pos+1, 10000):
        outfile.write('{}\t{}'.format(i, d[i]))

这是一个快速版本。我们将文件读入defaultdict。当我们稍后访问这些值时，任何没有关联值的键都将获得默认值零。然后，我们将10000到pos范围内的每个数字都取消，其中pos是第一个文件中的最后一个位置，以10000为步长。我们在defaultdict中访问这些值并将它们写入第二个文件。

Answer 3

这个怎么样：

# Replace lines.txt with your actual file
with open("lines.txt", "r") as file:
    last_line = 0
    lines = []
    for line in file:
        num1, num2 = [int(i) for i in line.split("\t")]
        while num1 != last_line + 10000:
            # A line is missing
            lines.append((last_line + 10000, 0)) 
            last_line += 10000
        lines.append((num1, num2))
        last_line = num1
    for num1, num2 in lines:
        # You should print to a different file here
        print(num1, num2)

您可以将值写入新文件，而不是最后一个print语句。

编辑：我在此示例上运行了此代码。输出如下。

<强> lines.txt

<强>输出

Answer 4

我会使用defaultdict作为默认值使用0 因此，您将文件读取到此defaultdict而不是读取它（手动处理键）并将其写回文件。

看起来有点像这样

from collections import defaultdict

x = defaultdict(int)
with open(filename) as f:
    data = x.split()
    x[data[0]] = x[data[-1]]

with open(filename, 'w') as f:
    for i in range(0, max(x.keys())+1, 10000):
        f.write('{}\t{}\n'.format(i, x[i]))

使用python在文件中添加缺少的行

4 个答案: